V

Vit Base Patch16 224.mae

由timm開發
基於視覺Transformer(ViT)的圖像特徵提取模型,採用自監督掩碼自編碼器(MAE)方法在ImageNet-1k數據集上預訓練
下載量 23.63k
發布時間 : 5/9/2023

模型概述

這是一個基於Vision Transformer架構的圖像特徵提取模型,主要用於圖像分類和特徵提取任務。模型通過掩碼自編碼器(MAE)的自監督學習方法進行預訓練,能夠有效捕捉圖像特徵。

模型特點

自監督預訓練
採用掩碼自編碼器(MAE)方法進行自監督預訓練,無需大量標註數據
高效特徵提取
基於Vision Transformer架構,能夠有效提取圖像特徵
中等規模模型
85.8百萬參數規模,在計算效率和性能間取得平衡

模型能力

圖像特徵提取
圖像分類
視覺表示學習

使用案例

計算機視覺
圖像分類
可用於對圖像進行分類,如識別物體類別
特徵提取
可作為其他視覺任務的特徵提取器
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase